Нейросетевая модель распознавания поверхностей машиностроительных деталей по результатам оптического сканирования

Abstract

Для прогнозирования показателей качества изделий (в частности, сборочных параметров) используются математические модели, реализованные в виде компьютерных моделей. Для адекватности расчётов необходимо иметь информацию о действительной геометрии деталей, которую можно получить с помощью бесконтактных измерений деталей сборки. В результате измерения деталей и узлов при помощи оптических или лазерных сканеров формируется массив измеренных точек большой размерности. После проведения стандартной обработки данных (например удаление шума, совмещение сканов, сглаживание, создание триангуляционной сетки) возникает необходимость распознавания отдельных поверхностей деталей. В работе приведена нейросетевая модель, позволяющая выполнять распознавание элементов на основе использования массива измеренных точек, полученных посредством сканирования. To predict the quality parameters of products (in particular, the assembly parameters) used mathematical models implemented in the form of computer models. For the adequacy of calculations, it is necessary to have information about the actual geometry of the parts, which can be obtained using noncontact measurements of parts of the assembly. As a result of measurement of parts and components using optical or laser scanner is formed an array of measured points large dimension. After the standard processing (e.g. noise removal, combining the scans, smoothing, creating triangulation mesh) becomes necessary recognition of individual surfaces of parts. The paper presents a neural network model that allows the recognition of elements based on the use of an array of measured points obtained by scanning.